کاربردها — استک و تنظیمات من
سنت /uses: آنچه واقعاً به سراغش می‌روم، صادقانه. نه استک آرمانی — بلکه آنکه تحویل می‌دهد. هر انتخاب با یک خط نظر همراه است، چون ابزاری که نمی‌توانی درباره‌اش نظری داشته باشی، ابزاری است که استفاده نکرده‌ای.
من agentها و سیستم‌های AI را بر پایه‌ای از data science کلاسیک و ML اصول‌اول می‌سازم. این جعبه‌ابزار است، تقریباً به ترتیبی که سراغش می‌روم.
هوش مصنوعی و ایجنت‌ها
نظر: گراف‌های صریح بر زنجیره‌های ضمنی برتری دارند — وقتی جریان یک گراف است، می‌توانید آن را ببینید، تست کنید و اصلاح کنید، به‌جای اعتماد به حلقه‌ای که نمی‌توانید بررسی کنید.
نظر: مدل باید یک اسکیمای قابل اعتبارسنجی برگرداند، نه متنی که مجبور باشم تجزیه کنم — من هر بار به یک قرارداد نوع‌دار بیش از یک وعده به زبان طبیعی اعتماد می‌کنم.
نظر: یک پروتکل واحد بهتر از انبوهی از آداپتورهای سفارشی است — تمام هدف این است که ابزارها بدون آنکه agent من از درون‌شان باخبر باشد، وصل شوند.
نظر: verifierهای مبتنی بر محیط به‌جای نمایش LLM-judge — بررسی کنید که side effect واقعاً رخ داده است، چون مدل کاری را که هرگز انجام نداده روایت می‌کند.
Languages
نظر: اصلی، بدون عذرخواهی — اکوسیستم و شتاب اکوسیستم ارزشمندتر از ظرافت هر زبانی است، و من به‌قدر کافی مسلط هستم که درون ریاضیات را ببینم.
نظر: گاهی اوقات، و فقط جایی که فرانت‌اند دستم را مجبور می‌کند — تایپ‌ها خوشایندند، پراکندگی اکوسیستم نه.
علم داده
نظر: بهترین محیط تفکر که تاکنون برای بازجویی از داده‌ها ساخته شده — نوت‌بوک یک گفتگو است، و گفتگوها جایی هستند که بینش زندگی می‌کند.
نظر: به بهترین شکل ممکن کسل‌کننده — قابل‌اعتماد، مستند، و از پنهان‌کردن فرض‌های مدل پشت یک API براق سر باز می‌زند.
نظر: تنسورهایی که می‌توانی بگیری و بررسی کنی، از یک جعبه سیاه بهترند — من می‌توانم هر گرادیان را ببینم، و دیدن همان چیزی است که باعث می‌شود به یک مدل اعتماد کنم.
نظر: هیچ‌کس دوستش ندارد، همه به آن نیاز دارند — و همان لحظه‌ای که به‌جای استفاده از آن با آن بجنگی، داده‌هایت به‌هرحال غلط است.
Infrastructure
نظر: «روی سیستم من کار می‌کند» یک بهانه است، و کانتینرها راه مؤدبانه‌ای برای بازنشسته کردن همیشگی آن بهانه‌اند.
نظر: زیاده‌روی تا روزی که دیگر نباشد — وقتی سیستم به‌قدری بزرگ شود که نگهداری دستی بیشتر از منحنی یادگیری هزینه داشته باشد، به سراغش می‌روم.
نظر: موازی‌سازی بدون تشریفات — یک نمونهٔ اولیهٔ تک‌ماشینی را بدون بازنویسی منطقی که قبلاً به آن اعتماد دارم، به یک کار توزیع‌شده تبدیل می‌کند.
سخت‌افزار و فضای کاری
نظر: سریع، بی‌صدا، و در حالی که یک GPU box فریاد می‌زند، انرژی کمی مصرف می‌کند — برای هر چیزی جز آموزش سنگین، به‌سادگی کافی است.
نظر: یک انتخاب واقعاً سطحی و خودنمایانه — یکی را نگه می‌دارم چون بازخورد لمسی باعث می‌شود جلسات طولانی نوشتن به‌جای انتزاعی، فیزیکی حس شوند.
نظر: خیرگی کمتر، تمرکز بیشتر — و صادقانه، نزدیک‌ترین چیز به یونیفرم در کار نرم‌افزار است.
مال شما احتمالاً متفاوت است — و این بخش سرگرم‌کننده است.
استک وسیله‌ای برای رسیدن به هدف است، نه شخصیت. این فهرست با یادگیری من تغییر می‌کند — طبق طراحی یک سند زنده است. اگر چیزی اینجا به نظرت اشتباه می‌آید، احتمالاً هست، و دوست دارم دلیلش را بشنوم.